MétaCan
Menu
Retour à la cohorte
Enregistrement W3174010627 · doi:10.3390/membranes11070492

Study of Acid Whey Fouling after Protein Isolation Using Nanofiltration

2021· article· en· W3174010627 sur OpenAlexaboutno aff
Marjana Simonič, Zorka Novak Pintarič

Notice bibliographique

RevueMembranes · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNanofiltrationFoulingChemistryChromatographyMembrane foulingMembraneLactoseBar (unit)Lactic acidFood scienceBiochemistryBacteriaBiology

Résumé

récupéré en direct d'OpenAlex

In this paper, nanofiltration (NF) of acid whey after isolation of proteins was studied. Two membranes were tested: NF-99 (Alfa Laval) and DL (Osmonic Desal). Based on previous measurements that determined the highest efficiency in separating lactic acid and lactose whey, the pH was adjusted to 3. First, the most appropriate transmembrane pressure (TMP) was determined based on the highest flux measured. The TMP range was 5-25 bar for the DL membrane and 10-30 bar for the NF-99 membrane. The temperature was kept at 4 °C using a thermostat. The mechanisms of membrane fouling were investigated. The Hermia models and the modified Tansel model were applied to study the fouling mechanism and to determine which membrane would foul earlier and more severely, respectively. The most suitable TMP was determined at 20 bar. Despite the 1.4 times higher flux of the sample at DL, the fouling rate was higher when NF-99 was used. The results showed that the Tansel model is suitable for predicting the fouling time of protein-isolated whey by nanofiltration.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,026
Tête enseignante GPT0,262
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMembranesMême sujetMembrane Separation TechnologiesTravaux en français237 207